UPI CONVENTION CENTER [UPI-CC]UNIVERSITAS PUTRA INDONESIA “ YPTK “

UPI CONVENTION CENTER [UPI-CC]UNIVERSITAS PUTRA INDONESIA “ YPTK “

PADANG, 08 Agustus 2012PADANG, 08 Agustus 2012

5. Hidup Penuh Kepasrahan dan Ketundukan 5. Hidup Penuh Kepasrahan dan Ketundukan

3. Menghilangkan Energi Negatif 3. Menghilangkan Energi Negatif

2. Mempermudah Datangnya Rezeki2. Mempermudah Datangnya Rezeki

6. Sukses Dunia dan Akhirat6. Sukses Dunia dan Akhirat

1. Memperpanjang Usia1. Memperpanjang Usia

4. Hidup Damai Dan Tenteram4. Hidup Damai Dan Tenteram

Dahsyatnya Efek Ikhlas Bagi Kita

Sumber : (Mohammad Irsyad, 2012), Dalam Buku “Hilangkan Stres dengan Terapi HIPN IKHLAS”Sumber : (Mohammad Irsyad, 2012), Dalam Buku “Hilangkan Stres dengan Terapi HIPN IKHLAS”

Dari Ibnu Abbas Ra, Sesungguhnya Rasulullah Saw Bersabda : Empat Hal (Kenikmatan) Bila Seseorang Dikaruniai Allah Seluruhnya, Maka Ia Telah Meraih Kebaikan Dunia Dan Akhirat, Yaitu :

1.Hati Yang Bersyukur, 2.Lisan Yang Bedzikir, 3.Tubuh Yang Sabar Akan Ujian, 4.Keluarga yang sakinah-mawadah-warhmah” Sumber Hr : Thabrany & BaihaqiSumber Hr : Thabrany & Baihaqi

Empat Hal yang Membuat Bahagia Dunia-Akhirat

- Teknik Pengambilan a. Transformasi geometris b. Nilai dinamik rendah c. Adanya efek noise dan blur

- Pre-processing a. koleksi geometris (rotasi, translasi, zoom) b. peningkatan nilai dinamik pixel (histograme) c. perbaikan kualitas citra (filtering)

KONSEP WARNAFormat Warna

RGBr-g ColorNormalized RGBHSVYCrCbTSL

Deteksi WarnaStatic ThresholdDistance ThresholdDynamic Threshold

Format Warna Pada GambarGambar (Digital) adalah sekumpulan titik

yang disusun dalam bentuk matriks, dan nilainya menyatakan suatu derajat kecerahan (derajat keabuan/gray-scale). Derajat keabuan 8 bit menyatakan 256 derajat kecerahan.

Pada gambar berwarna nilai setiap titiknya adalah nilai derajat keabuan pada setiap kompoen warna RGB. Bila masing-masing komponen R,G dan B mempunyai 8 bit, maka satu titik dinyatakan dengan (8+8+8)=24 bit atau 224 derajat keabuan

Format RGBFormat RGB (Red, Green & Blue) adalah

format dasar yang digunakan oleh banyak peralatan elektronik seperti monitor, LCD atau TV untuk menampilkan sebuah gambar.

Pada format RGB, suatu warna didefinisikan sebagai kombinasi (campuran) dari komponen warna R, G dan B.

Format RGBPada format warna RGB 24 bit, maka nilai R, G dan B masing-masing 0-255

Warna R G B

Hitam 0 0 0

Merah 255 0 0

Hijau 0 255 0

Biru 0 0 255

Kuning 255 255 0

Magenta 255 0 255

Cyan 0 255 255

Putih 255 255 255

Abu-Abu 127 127 127

Orange 255 110 0

Ungu 128 0 255

Coklat 128 25 0

Pink 255 190 220

Navy 0 0 120

R-G Color Space

Nilai r-g digunakan untuk mendeteksi warna kulit, J. Fritsch, S. Lang, M. Kleinehagenbrock, G. A. Fink and G. Sagerer, Improving Adaptive Skin Color Segmentation by Incorporating Results from Face Detection, Proc. IEEE Int. Workshop on Robot and Human Interactive Communication (ROMAN), Berlin, Germany,September 2002. IEEE.

Nilainya berada 0-1 pada setiap komponen r dan g

BGR

Rr

BGR

Gg

Normalized RGBBGR

Rr

BGR

Gg

BGR

Bb

Vladimir Vezhnevets Vassili Sazonov Alla Andreeva, ”A Survey on Pixel-Based Skin Color Detection Technique”, Graphics and Media Laboratory, Faculty of Computational Mathematics and Cybernetics Moscow State University, Moscow, Russia.

HSV (Hue, Saturation, Value)

CIE (Commission Internationale de l’Eclairage)

RGB XYZ CIE

CMY(Cyan Magenta Yellow)

Y = 0.299R+0.587G+0.114BCr = R−Y Cb = B−Y

TSL (Tint, Saturation, Lightness)

BGRL

G

ggr

ggr

T

grS

114.0587.0299.0

0,0

0,4

3

2

)/arctan(

0,4

1

2

)/arctan(

)(5

9 21

22

Dimana:

3

13

1

BGR

Gg

BGR

Rr

Deteksi WarnaMendeteksi adanya warna-warna tertentuMenentukan posisi pixel dengan warna yang

ditentukanAplikasi: Deteksi rambu-rambu lalu lintas,

deteksi bola dengan warna tertentu, deteksi obyek berdasarkan warna, deteksi kulit (skin detection)

Threshold RGBUntuk warna-warna dasar, nilai RGB

cukup efektif dalam melakukan deteksi meskipun cara ini bukan cara terbaik.

Nilai threshold dapat dipelajari berdasarkan pola warna atau ditentukan secara intuitif, tetapi threshold RGB ini sangat rentan terhadap kestabilan cahaya

Aplikasi untuk menentukan nilai threshold terbaik dalam suatu permasalahan dapat dilakukan menggunakan teknik-teknik machine learning.

Contoh Threshold RGB

Nilai threshold : R>163; 43<G<222, 32<B<250

Nilai Threshold RGB

Nilai threshold : 112<R<168; 70<G<149, 44<B<118

Threshold HSVUntuk warna-warna natural, nilai HSV

cukup efektif dalam melakukan deteksi.Nilai threshold dapat dipelajari

berdasarkan pola warna atau ditentukan secara intuitif. Dibandingkan dengan RGB, threshold HSV ini cenderung lebih stabil terhadap perubahan cahaya.

Aplikasinya seperti pada threshold untuk warna buah, warna pada pemandangan atau warna-warna pada obyek yang bukan buatan manusia.

Threshold YCrCbYCrCb adalah format warna Yellow, Crominan

Red dan Crominan Blue.Range nilai masing-masing komponen :

o 0≤Y≤255o -255≤Cr≤255o -255≤Cb≤255

Threshold YCrCb

Nilai threshold : 41<R<145; 10<G<52, -16<B<-4

Color ThresholdingStatic Thresholding: nilai threshold dicari

secara intuisi. Berarti kita harus mempelajari warna pada gambar dulu sebelum menentukan nilai threshold.

Distance Threshold: nilai threshold adalah nilai batas jarak dari sebuah warna dengan warna referensi.

Dynamic Threshold: nilai threshold dicari menggunakan algoritma searching atau klasifikasi.

Static Color thresholding

lain yanguntuk 0,

Ibb Ig,g Ir,runtuk ,1P

Dimana : Ir, Ig, Ib adalah interval untuk warna r, g dan b yang ditentukan secara spesifik

Misalkan untuk mengambil warna merah dilakukan dengan:

IF r>200 and g<64 and b<64 THEN warna=merah

Nilai threshold

Distance Color thresholdingBila diketahu warna acuan mempunyai nilai elemen warna c1, c2 dan c3. Maka setiap warna w1, w2 dan w3 dapat dihitung jaraknya dengan warna referensi dengan cara:

iii

iii

cwd

cwd

2

(Jarak Manhattan)

(Jarak Euclidian)

Nilai threshold ditentukan dengan besarnya jarak warna maksimum dari sebuah warna dan warna referensi.

Dynamic Color ThresholdThreshold dapat dipilih apakah threshold

global atau threshold localThreshold menggunakan distance threshold

dari warna-warna di sekitar obyek yang dimaksud

Color Thresholding Dinamik Dengan Rata-Rata Acuan

Sebelumnya diambil gambar-gambar contoh sebagai acuan untuk menentukan threholding dari warna yang diinginkan.

Dari data warna-warna tersebut diambil rata-rata dari setiap elemen warna:

Thresholding dilakukan dengan jarak d dari setiap rata-rata elemen warna

blue rata-rataadalah b

green rata-rataadalah

red rata-rataadalah

g

r

Color Thresholding Dinamik Dengan Rata-Rata Acuan

Perbandingan Thresholding Static dan Dinamik

ThresholdingDinamik

ThresholdingStatic

Aplikasi Color Detection SKIN DETECTION

Menggunakan deteksi warna kulit (skin detection) dapat dilakukan menggunakan format RGB atau YCrCb

Mendeteksi warna kulit banyak digunakan untuk aplikasi pengenalan wajah, deteksi badan atau anggota badan.

Sangat sulit mendapatkan sistem deteksi warna kulit yang bersifat general, karena ada perbedaan warna kulit pada masing-masing ras (melayu, cina, eropa, latin atau afrika )

Aplikasi Color DetectionDETEKSI DAN PENGENALAN BUAHSetiap buah mempunyai warna yang spesifikColor thresholding dapat digunakan untuk

mendeteksi dimana letak buah Color histogram dapat digunakan un tuk

mengenali buah.

Aplikasi Color DetectionDETEKSI KEMATANGAN TOMATKematangan tomat dapat dibedakan menjadi

tiga fase yaitu hijau, campur-warna dan merah

Dengan deteksi warna RGB atau HSV atay YCrCb dapat dideteksi kematangan tomat

Aplikasi Color DetectionDETEKSI RAMBU-RAMBU LALU LINTASDeteksi rambu-rambu lalu lintas dapat

dilakukan menggunakan color thresholding baik RGB atau HSV, karena rambu-rambu lalu lintas mempunyai warna dan bentuk yang spesifik.

Deteksi rambu-rambu lalu lintas dapat digunakan untuk dipasang pada kendaraan sebagai co-pilot atau smart navigation

Palet Warna Bagaimana sebuah citra direpresentasikan dalam

file?Pertama-tama seperti halnya jika kita ingin melukis

sebuah gambar, kita harus memiliki palet dan kanvas Palet: kumpulan warna yang dapat membentuk citra, sama

halnya seperti kita hendak melukis dengan cat warna, kita memiliki palet yang bisa kita isikan berbagai warna cat air

Setiap warna yang berbeda dalam palet tersebut kita beri nomor (berupa angka)

Contoh untuk citra monokrom (warnanya hanya putih-abuabu-hitam), berarti kita memiliki palet sbb:

Kanvas & MatriksSetelah itu kita dapat menggambar menggunakan

warna-warna dalam palet tersebut di atas sebuah kanvasSebuah kanvas dapat kita anggap sebagai sebuah

matriks dimana setiap elemen dari matriks tersebut bisa kita isikan dengan salah satu warna dari palet

Informasi tentang palet (korespondensi antara warna dengan angka) disimpan dalam komputer (program pembuka citra seperti Paint, Photoshop, dll) sehingga sebuah file citra dalam komputer hanya perlu menyimpan angka-angka yang merepresentasikan sebuah warna.

sebuah citra direpresentasikan dalam sebuah matriks yang berisi angka-angka

Contoh

201 188 181 185 180 147 140 149 155 138 144 144 145 199 200 201 188 139 132 147 150 143 123 112 102 117 207 221 222 136 90 111 125 145 140 138 122 104 97 231 219 200 90 65 84 84 107 95 92 92 99 89 227 223 181 74 72 89 92 86 77 63 50 55 65 217 211 166 85 47 75 82 83 75 42 42 39 40 208 195 179 131 54 68 66 72 46 21 15 24 19 198 187 181 141 53 54 55 59 37 21 37 66 90 195 184 170 134 52 38 42 45 35 43 98 152 172 186 175 171 169 100 34 34 27 44 85 139 170 184 167 156 142 144 112 48 32 46 84 133 166 172 186 142 139 131 120 108 67 30 76 102 123 153 171 178 145 134 128 125 117 70 38 91 101 105 125 146 157

=

Alur Jika kita menyimpan gambar kucing tadi ke dalam sebuah file

(kucing.bmp), maka yang disimpan dalam file tersebut adalah angka-angka yang diperoleh dari matriks kanvas.

File kucing.bmp:

Header

Angka-angka dari matriks

Informasi palet dan format file citra

Program pembuka citra(Paint, Photoshop, dll)

input

Ditampilkan di layar

Representasi dalam FileUntuk Windows Bitmap Files (.bmp)

Ada header berisi informasi jumlah baris dan kolom dalam citra, informasi palet, dll

Header langsung diikuti dengan angka-angka dalam matriks, disusun perbaris

Baris pertama langsung diikuti baris kedua, dstBagaimana mengetahui awal suatu baris? (misal untuk

membedakan citra berukuran 100x200 dengan 200x100) lihat informasi jumlah baris dan jumlah kolom di header

Header Baris 1 ….. Baris terakhir

Representasi dalam File Ada bermacam format representasi citra dalam file, seperti bmp,

tif, jpg, dan sebagainya. Format BMP merupakan format yang kurang efisien, karena

semua informasi angka dalam baris disimpan semua. Misalkan ukuran header adalah H byte, ukuran citra 100x100 byte monokrom, maka ukuran file bmp tersebut adalah : H + data citra = H + 10000 Byte

Bagian data citra (10000 byte) sebenarnya bisa dikompresi agar ukuran file tidak terlalu besar. Salah satu cara kompresi adalah dengan terlebih dahulu mentransformasikan citra ke ruang yang berbeda (contoh: format file JPEG)

Topik ini lebih lanjut akan kita bahas di bahasan tentang Transformasi

Kaitannya dengan frekuensi?Citra ambil 1 baris plot (sumbu x: posisi piksel

dalam baris, sumbu y: intensitas keabuan/warna)Columns 1-9 : 71 70 70 70 73 77 81 83 73 ……………………..Columns 307-315: 92 93 84 93 96 79 121 218 232Columns 316-324: 233 74 0 11 24 14 14 13 11……………………..Columns 397 through 400 : 24 8 13 15

Kaitannya dengan Frekuensi?

Frekuensi dapat dilihat perbaris dan perkolom atau perbidang

clear allIm=imread('meridian.png');figure(1), imshow(Im);Im(1:3,1:3,:)figure(2), imshow(Im(:,:,1));figure(3), imshow(Im(:,:,2));figure(4), imshow(Im(:,:,3));img1=rgb2gray(Im);subplot(2,2,1);imshow(img1);title('Gambar Asli');grayImg=mat2gray(img1);subplot(2,2,2);imhist(grayImg);title('Histogram Meridiana');

clear allIm=imread('meridian.png');figure(1), imshow(Im);Im(1:3,1:3,:)figure(2), imshow(Im(:,:,1));figure(3), imshow(Im(:,:,2));figure(4), imshow(Im(:,:,3));[N,M,K]=size(Im);H(1:256)=0;for n=1:N for m=1:M H(Im(n,m,1)+1) = H(Im(n,m,1)+1) + 1 ; endendfigure(5), plot(H);J(1:256)=0;for n=1:N for m=1:M J(Im(n,m,2)+1) = J(Im(n,m,2)+1) + 1 ; endendfigure(6), plot(J);K(1:256)=0;for n=1:N for m=1:M K(Im(n,m,3)+1) = K(Im(n,m,3)+1) + 1 ; endendfigure(7), plot(K);

clear allIm=imread('Beruang.png');figure(1), imshow(Im);%Im(1:3,1:3,:)%figure(2), imshow(Im(:,:,1));%figure(3), imshow(Im(:,:,2));%figure(4), imshow(Im(:,:,3));[N,M,K]=size(Im);H(1:256)=0;Lmax=0;Lmin=0;for n=1:N for m=1:M H(Im(n,m)+1) = H(Im(n,m)+1) + 1 ; Lmax=max(Lmax,Im(n,m)); Lmin=min(Lmin,Im(n,m)); endendfigure(2), plot(H);for n=1:N for m=1:M Im1(n,m)=(Im(n,m)-Lmin)*(255/(Lmax-Lmin)); endend figure(3), imshow(Im1);Im2=histeq(Im);figure(4), imshow(Im2);

clear allIm=imread('Beruang.png');figure(1), imshow(Im);%Im(1:3,1:3,:)%figure(2), imshow(Im(:,:,1));%figure(3), imshow(Im(:,:,2));%figure(4), imshow(Im(:,:,3));[N,M,K]=size(Im);H(1:256)=0;Lmax=0;Lmin=0;for n=1:N for m=1:M H(Im(n,m)+1) = H(Im(n,m)+1) + 1 ; Lmax=max(Lmax,Im(n,m)); Lmin=min(Lmin,Im(n,m)); endendfigure(2), plot(H);for n=1:N for m=1:M Im1(n,m)=(Im(n,m)-Lmin)*(255/(Lmax-Lmin)); endend figure(3), imshow(Im1);Im2=histeq(Im);figure(4), imshow(Im2);

clear allIm=double(imread('meridian.png'));figure(1), imshow(uint8(Im));A=[-1 0 1;-2 0 2; -1 0 1];B=[-1 -2 -1;0 0 0; 1 2 1];[N,M,K]=size(Im);[N1,M1]=size(A);C1(1:N,1:M)=0;C2(1:N,1:M)=0;Sumt(1:N,1:M)=0;for n=1:N for m=1:M Y(n,m)=0.299*Im(n,m,1)+0.114*Im(n,m,2)*0.587*Im(n,m,3); endendfigure(2), imshow(uint8(Y));for n=2:N-1 for m=2:M-1 Sum1=0;Sum2=0; for i=-(N1-1)/2:(N1-1)/2 for j=-(M1-1)/2:(M1-1)/2 Sum1 = Sum1 + A(i+2,j+2)*Y(n+i,m+j); Sum2 = Sum2 + B(i+2,j+2)*Y(n+i,m+j); end end C1(n-1,m-1)=Sum1; C2(n-1,m-1)=Sum2; Sumt(n-1,m-1)=Sum1+Sum2; endend figure(3), imshow(uint8(abs(C1)));figure(4), imshow(uint8(abs(C2)));figure(5), imshow(uint8(abs(Sumt)));

Cara Mengetahui Informasi VideoCara Mengetahui Informasi Videof = imread('lena.tif');f = double(f);wm = imread('dip.tif');wm = rgb2gray(wm);alpha = 0.3;

[m,n] = size(f);fwm = zeros(m,n);[r,c] = size(wm);fwm(101:100+r, 101:100+c) =wm;hf = (1-alpha) * f + alpha * fwm;hf = uint8(hf);figure, imshow(hf);

% Kembalikan watermarkhf = double(hf);iwm = hf - (1-alpha)*f;iwm = uint8(iwm);figure, imshow(iwm);

f = imread('lena.tif');f = double(f);wm = imread('dip.tif');wm = rgb2gray(wm);alpha = 0.3;

[m,n] = size(f);fwm = zeros(m,n);[r,c] = size(wm);fwm(101:100+r, 101:100+c) =wm;hf = 4*(floor(f./4)) + floor(fwm./64);

hf = uint8(hf);figure, imshow(hf);

% Kembalikan watermarkhf = double(hf);iwm = hf - 4*(floor(hf./4));

iwm = iwm/3;figure, imshow(iwm);

Cara Mengetahui Informasi VideoCara Mengetahui Informasi Video >> info=imaqhwinfo('winvideo',1); >> info.SupportedFormats' ans = 'YUY2_1280x720' 'YUY2_160x120' 'YUY2_176x144' 'YUY2_1920x1080' 'YUY2_320x240' 'YUY2_352x288' 'YUY2_640x480'

Contoh Penggunaan Frame_1.mContoh Penggunaan Frame_1.m

1 clear all 2 vid=videoinput('winvideo',1,'YUY2_160x120'); 3 preview(vid); 4 data=getsnapshot(vid); 5 data1=ycbcr2rgb(data); 6 figure(2), imshow(data1); 7 imwrite(data1,'test1.bmp');

Contoh Penggunaan Frame_2.mContoh Penggunaan Frame_2.mclear all% Membaca dari cameravid=videoinput('winvideo',1,'YUY2_160x120');preview(vid); for j = 1:60 data=getsnapshot(vid); data1=ycbcr2rgb(data); figure(2), imshow(data1); imwrite(data1,[int2str(j),'.bmp']);end

Contoh Penggunaan Frame_3.mContoh Penggunaan Frame_3.mclear all% Membaca dari camera% Membaca dari cameravid=videoinput('winvideo',1,'YUY2_160x120');preview(vid); for j = 1:60 data=getsnapshot(vid); data1=ycbcr2rgb(data); figure(2), imshow(data1); imwrite(data1,[int2str(j),'.bmp']);end% Konversi ke dalam File Video AVI% Konversi ke dalam File Video AVIaviobj = avifile(‘soe.avi');aviobj.quality = 80;aviobj.COMPRESSION ='None';for i=1:60 image=imread([int2str(i),'.bmp']); aviobj=addframe(aviobj,image);endaviobj=close(aviobj);

% Record your voice for 5 seconds.recObj = audiorecorder(44100, 16, 2);disp('Start speaking.')recordblocking(recObj, 5);disp('End of Recording.');% Play back the recording.play(recObj);% Store data in double-precision array.myRecording = getaudiodata(recObj);plot(myRecording);wavwrite(myRecording,'Test.wav');save('Test1','myRecording','-double');% Plot the samples.myRecording1(:,1)=myRecording(:,1);%myRecording1(2:end,1)=myRecording(:,1);myRecording1(:,2)=myRecording(:,1)-myRecording(:,2);myRecording1(:,2)=myRecording1(:,1)+myRecording1(:,2);save('Test2.wav','myRecording1','-double');plot(myRecording);

Proses Merekam Suara *.wav

------------------------------------------------------------Konversi dari Jpg ke bmp (Citra Thresholding)-------------------------------------------------------------citra = imread('Soe.jpg');[baris, kolom, layer] = size(citra);citra = double(citra);for i = 1:barisfor j = 1:kolomfor k = 1:layerif citra(i, j, k) < 120citraThresholding(i, j, k) = 0;elsecitraThresholding(i, j, k) = 1;endendendendimshow(citraThresholding);imwrite(citraThresholding, 'SoeThreshold.bmp', 'bmp');

-------------------------------------------------------------Konversi dari Jpg ke bmp (Citra Negatif)-------------------------------------------------------------citra = imread('Soe.jpg');[baris, kolom, layer] = size(citra);citra=double(citra);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraNegatif(i, j, k) = 255 - citra(i, j, k);endendendcitraNegatif = uint8(citraNegatif);imshow(citraNegatif);imwrite(citraNegatif, 'SoeNegatif.bmp', 'bmp');

-------------------------------------------------------------Citra di Gabung-------------------------------------------------------------citra1 = imread('Soe.jpg');citra2 = imread('Debie.jpg');[baris, kolom, layer] = size(citra1);citra1 = double(citra1);citra2 = double(citra2);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraGabung(i,j,k) = citra1(i,j,k) + citra2(i,j,k);endendendcitraGabung = uint8(citraGabung);imshow(citraGabung);imwrite(citraGabung, 'Soeku.bmp', 'bmp');

-------------------------------------------------------------Citra dikalikan-------------------------------------------------------------citra1 = imread('Soe.jpg');citra2 = imread('Debie.jpg');[baris, kolom, layer] = size(citra1);citra1 = double(citra1);citra2 = double(citra2);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraKali(i,j,k) = citra1(i,j,k) + citra2(i,j,k);endendendcitraKali = uint8(citraKali);imshow(citraKali);imwrite(citraKali, 'citraKali.bmp', 'bmp');

-------------------------------------------------------------Citra diterangkan-------------------------------------------------------------citra = imread('Soe.jpg');[baris, kolom, layer] = size(citra);citra = double(citra);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraBrightPlus(i, j, k) = citra(i, j, k) + 50;endendendcitraBrightPlus = uint8(citraBrightPlus);imshow(citraBrightPlus);imwrite(citraBrightPlus,'SoeBrightPlus.bmp','bmp');

-------------------------------------------------------------Citra dikalikan dengan Skalar-------------------------------------------------------------citra = imread('Soe.jpg');[baris, kolom, layer] = size(citra);citra=double(citra);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraPerkalianSkalar(i,j,k)= 1.5 * citra(i,j,k);endendendcitraPerkalianSkalar = uint8(citraPerkalianSkalar);imshow(citraPerkalianSkalar);imwrite(citraPerkalianSkalar, 'GohankaliSkalar.bmp', 'bmp');

-------------------------------------------------------------Citra direlokasi (Horizontal)-------------------------------------------------------------citra = imread('Soe.jpg');[baris, kolom, layer] = size(citra);citra=double(citra);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraFlipHorisontal(i,j,k)=citra(i,kolom-j+1,k);endendendcitraFlipHorisontal = uint8(citraFlipHorisontal);imshow(citraFlipHorisontal);imwrite(citraFlipHorisontal, 'SoeFlipHorisontal.bmp', 'bmp');

-------------------------------------------------------------Citra direlokasi (Vertikal)-------------------------------------------------------------citra = imread('Soe.jpg');[baris, kolom, layer] = size(citra);citra=double(citra);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraFlipVertikal(i,j,k)=citra(baris-i+1,j,k);endendendcitraFlipVertikal = uint8(citraFlipVertikal);imshow(citraFlipVertikal);imwrite(citraFlipVertikal, 'SoeFlipVertikal.bmp', 'bmp');

-------------------------------------------------------------Citra direlokasi (Dicerminkan seperti aslinya)-------------------------------------------------------------citra = imread('Soe.jpg');[baris, kolom, layer] = size(citra);citra=double(citra);for i = 1:barisfor j = 1:kolomfor k = 1:layercitraCerminOrigin(i,j,k)=citra(baris-i+1,kolom-j+1,k);endendendcitraCerminOrigin = uint8(citraCerminOrigin);imshow(citraCerminOrigin);imwrite(citraCerminOrigin, 'SoeCerminOrigin.bmp', 'bmp');

-------------------------------------------------------------Citra dirubah ke binary-------------------------------------------------------------clear all;Im = imread ('jsf02.bmp');[M,N,L] = size(Im);figure(1), imshow(uint8(Im)); %Dikonversikan dari Citra Warna ke Gray Levelfor i = 1:M for j = 1:N Im1(i,j)=(0.299*double(Im(i,j,1))) + (0.587*double(Im(i,j,2))) + (0.114*double(Im(i,j,3))) ; end endfigure(2), imshow(uint8(Im1)); %Ditranfer dari Gray Level ke BinerImb(i,j)=Im1(i,j);for i = 1:M for j = 1:N if Im1(i,j)<125 Imb(i,j)=0; else Imb(i,j)=255; end endendfigure(3), imshow(uint8(Imb));

clear all% Membaca dari cameravid=videoinput('winvideo',1,'YUY2_160x120');preview(vid); for j = 1:60 data=getsnapshot(vid); data1=ycbcr2rgb(data); figure(2), imshow(data1); imwrite(data1,[int2str(j),'.bmp']);end% Konversi ke dalam File Video AVIaviobj = avifile('flameDetecteds.avi');aviobj.quality = 80;aviobj.COMPRESSION ='None';for i=1:60 image=imread([int2str(i),'.bmp']); aviobj=addframe(aviobj,image);endaviobj=close(aviobj);

Proses Pembacaan Dari Kamera

% Baca File Video dari Camera ke hasil konversi AVIimportFile = ‘soe.avi';%input('Source filename: ', 's');%%% Open file[importFID,errorMsg]=fopen(importFile,'r','ieee-be');% [importFID,errorMsg]=fopen(importFile,'r');if importFID~=-1, % Get the filesize. fseek(importFID,0,'eof'); totalMsgLength=ftell(importFID)*8; fseek(importFID,0,'bof');end

Proses Baca Dari .avi ke image

% Konversi ke dalam File Video mpeg%%% Read file bytewise and store the input message[data_in,readCount]=fread(importFID,[1,totalMsgLength],'uint8');[baris,kolom] = size(data_in);data_in = uint8(transpose(data_in));r = rem(kolom,188);if r ~= 0

for i = 1:188-rdata_in(kolom+i) = 0;

endendTsym = 1e-06;Ts = 0.000224*2176/9072/188;% Setting Stop TimeSt = Ts*kolom;

Proses Konversi Dari .avi ke mpeg

%function writempeg(stream_in)stream_out = transpose(data_in);mpegfid = fopen('hasils.mpg','wb','ieee-be'); % IEEE Big Endian%mpegfid = fopen(stream_in,'wb','ieee-be'); % IEEE Big Endianfwrite(mpegfid,stream_out,'uint8'); % Read bitstream into bytefclose(mpegfid);% Tampilkan dalam Layar% Tampilkan dalam Layarreaderobj = mmreader('hasils.mpg');vidFrames = read(readerobj);numFrames = get(readerobj,'numberofFrames');vidHeight = readerobj.Height;vidWidth = readerobj.Width;for k = 1 : numFrames mov(k).cdata = vidFrames(:,:,:,k); mov(k).colormap = [];endhf = figure;%set(hf, 'position', [150 150 vidWidth vidHeight])%movie(hf, mov, 1, readerobj.FrameRate);movie(mov, 1, readerobj.FrameRate);

Proses Konversi Dari .avi ke mpeg

TUGAS INDIVIDU SYARAT UAS KAPITA SELEKTATUGAS INDIVIDU SYARAT UAS KAPITA SELEKTA

Buat suatu karya ilmiah dengan topik, pilih salah satu topik dibawah ini :  “Video Compression Dari Citra bmp-AVI-MPEG Dengan MatLab ”“Video Compression Dari Citra jpg-MPEG-WMV Dengan MatLab”“Video Compression Dari Citra gif-AVI-FLY Dengan MatLab”atau jurnal yang terkait dengan topik diatas. Ada  pun ketentuannya adalah: Minimal  5 referensi/daftar pustaka tahun terbit paling akhir 2010.   Paling sedikit 2 Halaman selain daftar pustaka. Berisi abstrak, pendahuluan,  isi, dan kesimpulan.         Note: - Jurnal setiap mahasiswa harus ada yang berbeda min. 2 judul, Dari 5 judul, jika sama maka akan dianggap plagiat - Hari ini ringkasannya dikumpul via email : soe@upiyptk.org s.d Jam 16:00 WIB - Hari Senin / 03 Maret 2014 disesuaikan dengan Jadwal Admisi PPs (Pascasarjana) di laporkan hasil review dari jurnal yang telah dicari dan Sesuai dengan ketentuan diatas. (Sebagai Soal Ujian UAS sekaligusSebagai Soal Ujian UAS sekaligus)

CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAHJudulApakah: - Informatif ?

- Hemat kata ?- Sesuai isi ?

TopikApakah: - Original ?

- Penting ?- Aplikabel / implikabel ?- Tidak obsolete ? (bukan hal baru)

AbstrakAbstrak1.Adakah Tujuan – Metode – Hasil – Kesimpulan ?.2.Apakah semua isi abstrak dapat ditemukan dalam makalah ?.3.Adakah kata kunci ?. 4.Sesuaikah dengan isi ?.

A. Pendahuluan1.Adakah latar belakang dan tujuan penelitian yang jelas ?B. Metode1.Apakah metode diuraikan secara lengkap ?2.Apakah metode yang digunakan tidak obsolute ?

C. HasilC. Hasil1.Apakah hasil yang diperoleh diuraikan secara jelas tanpa melibatkan interpretasi subjektif peneliti ?2.Apakah hasil yang diperoleh sesuai dengan tujuan penelitian ?D. PembahasanD. Pembahasan1.Apakah keterbatasan penelitian dijelaskan secara lengkap ? Adakah upaya peneliti untuk menguranginya ?2.Apakah hasil yang diperoleh plausibel ?3.Apakah peneliti membahas hasil penelitian sejenis terdahulu dan membandingkannya dengan hasil peneliti sendiri ? Apakah materi studi banding tidak obsolete ?4.Apakah tujuan penelitian tercapai ?

CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAH

E. Daftar Pustaka1.Apakah perujukan dilakukan secara memadai / adakah indikasi ke arah plagiarisme ?2.Apakah penulisan rujukan dalam-teks dan daftar pustaka dilakukan secara konsisten sesuai dengan salah satu sistem perujukan ?3.Apakah rujukan dalam-teks sesuai dengan daftar pustaka ?F. Lain-lainF. Lain-lain1.Apakah bahasa Indonesia yang digunakan sesuai dengan kaidah dan tata bahasa Indonesia yang formal ?2.Apakah isi makalah disajikan secara jelas, sistematik, dan berkelanjutan ?3.Apakah penggunaan bahasa Inggris dilakukan secara baik ?

CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAH

CARA MENULIS KARYA ILMIAHCARA MENULIS KARYA ILMIAHAlternatif judul untuk sebuah Karya Ilmiah ini yaitu:

1.Jejaring Saraf Tiruan Menggunakan Algoritma Backpropagation untuk Memprediksi Prestasi Calon Mahasiswa Universitas Putra Indonesia “YPTK” Padang: Penekanan penelitian pada “penilaian cara dan hasil penggunaan jejaring saraf tiruan dengan algoritma backpropagation”. Data Universitas Putra Indonesia hanya sebagai contoh.

2.Prediksi Prestasi Calon Mahasiswa Universitas Putra Indonesia “YPTK” Padang menggunakan Jejaring Saraf Tiruan dengan Algoritma Backpropagation: Penekanan penelitian pada “prediksi prestasi calon mahasiswa” di suatu lokasi tertentu, jejaring saraf tiruan hanya sebagai alat bantu.

Compresi File PdfCompresi File Pdf

Alamat Compresi Pdf adar menjadi lebih kecil :

www.compres.pdf.co.uk